Medikaynak Search
Üye Ol Üye Giriş
Medikaynak Menü

Görsel analiz, tek vaka tasarımlarından gelen verileri yorumlamak için en yaygın olarak kullanılan yöntemdir, ancak bu yöntemde arabulucular arası anlaşma seviyeleri endişe kaynağı olmaya devam etmektedir. Çift ölçüt (DC) yöntemi gibi görsel analize yönelik yapılandırılmış yardımlar, arabulucu anlaşmasını artırabilse de, analizlerin doğruluğu yine de iyileştirmelere ihtiyaç duyabilir.

Bu nedenden yola çıkan bir çalışmanının amacı, görsel analiz ve farklı makine öğrenme algoritmalarından türetilen modeller arasındaki yazışmaları incelemek ve modellerin her birinin doğruluğunu, Tip I hata oranını ve gücünü çift ölçüt yöntemiyle üretilenlerle karşılaştırmaktı. Araştırmacıların modelleri, daha önce yayınlanmış bir veri kümesi üzerinde eğitildi ardından simüle edilmemiş ve simüle edilmiş grafikler üzerinde analizler gerçekleştirdi. Makine öğrenimi algoritmalarından türetilen tüm modellerimiz görsel analistlerin yorumlanmasını çift ölçüt yönteminden daha sık eşleştirmiştir. Çalışmada ayrıca, makine öğrenme algoritmaları doğruluk, Tip I hata oranı ve güç konusunda çift ölçüt yönteminden daha iyi performans gösterdi.

Yapay zeka, çocuğunuzun öğretmeni, akıl sağlığı uzmanınız ve hatta tıp doktorunuz tarafından verilen eğitimsel ve klinik kararları iyileştirebilir mi? Davranış Bilimi Perspektifleri'nde yayınlanan bir UdeM psikoeducator ve davranış analisti tarafından yapılan bir araştırmaya göre evet gerçekten iyileştirebilir sonucuna varıldı. Yeni bir çalışmaya göre, yapay zekâya dayalı algoritmalar eğitimsel ve klinik karar vermeyi desteklemede daha iyi sonuç vermektedir.

Otizm, dikkat eksikliği ve hiperaktivite bozukluğu, öğrenme güçlüğü veya zihinsel sağlık sorunları gibi günlük zorluklarla karşılaşan kişilerle çalışırken, uygulayıcılar müdahalenin ardından davranışın iyileşip iyileşmediğini belirlemek için genellikle mesleki muhakemelerine güvenirler. Ancak araştırmaya göre bu yeterli değildir. Institut Universitaire en Santé mentale'da bir araştırmacı ve başyazar olan Marc Lanovaz’a göre, ne yazık ki, uzmanlar, etkili bir müdahalenin erken kesilmesine veya etkisiz bir tedavinin devam etmesine yol açabilecek davranışsal verilere dayanarak sonuç çıkarabilirler. Daha iyi bir yol bulmak için, Landeaz ve UdeM'e bağlı Polytechnique Montréal ve Manhattanville College'da Purchase, N.Y. bağımsız olarak 1.000'den fazla grafik etiketledi ve makine öğrenimi kullanarak yeni karar modelleri eğitti. Bu modeller tarafından çıkarılan sonuçlar, günümüz araştırmacıları tarafından en çok incelenen görsel yardım aracı tarafından üretilen sonuçlarla karşılaştırıldı.

UdeM Psikoeğitim Okulu Uygulamalı Davranışsal Araştırma Laboratuvarı'na başkan yardımcısı Profesör Lanovaz, her zaman modellerimizin iyi performans göstereceğini varsaysak da, bunların doğru olmasını beklemiyorduk dedi ve sadece modellerimiz tarafından çıkarılan sonuçlar uzmanların yorumunu en popüler araçtan daha sık eşleştirmekle kalmadı, aynı zamanda yeni veriler üzerinde daha doğru sonuçlar verdi diye ekledi. Yazarlara göre, bu modeller sonunda uygulayıcıların müdahalelerinin etkinliği hakkında daha iyi kararlar vermelerini destekleyebiliyor. Sonuç olarak bu değişikliğin gelişimsel engelli, zihinsel sağlık sorunları veya öğrenme güçlüğü çeken insanlar için daha iyi hazırlanmış müdahalelere dönüşebilir.

Medikaynak Referanslar

Lanovaz, M.J., Giannakakos, A.R. & Destras, O. Machine Learning to Analyze Single-Case Data: A Proof of Concept. Perspect Behav Sci (2020). https://doi.org/10.1007/s40614-020-00244-0

+ Tüm Referansları Göster
  1. Benzer İçerikler